小样本条件下基于数据扩充和ResNeSt的雪豹识别

编号 zgly0001737293

文献类型 期刊论文

文献题名 小样本条件下基于数据扩充和ResNeSt的雪豹识别

作者 张毓  高雅月  常峰源  谢将剑  张军国 

作者单位 青海省祁连山自然保护区管理局  北京林业大学工学院 

母体文献 北京林业大学学报 

年卷期 2021,43(10)

页码 89-99

年份 2021 

分类号 TP391.41 

关键词 雪豹  监测图像  小样本  数据扩充  卷积神经网络 

文摘内容 【目的】红外触发相机采集的雪豹监测图像质量参差不齐,且数量有限,为了提升小样本下雪豹的识别准确率,本研究提出一种雪豹监测图像自动识别方法。【方法】该方法基于具备注意力机制的ResNeSt50模型,使用祁连山国家公园的雪豹监测图像作为原始数据集,红外触发相机拍摄的非雪豹陆生野生动物图像作为扩充负样本,网络雪豹图像作为扩充正样本,生成3种数据集并依次进行对比实验,选择合适的扩充方式引导模型逐步关注到雪豹个体关键特征,使用梯度类激活热力图可视化进一步验证数据扩充后的有效性。【结果】使用原始数据集+扩充负样本+扩充正样本训练的模型识别效果最好,热力图可视化显示模型正确关注到雪豹个体花纹与斑点特征,对比基于Vgg16和ResNet50的识别模型,ResNeSt50的识别效果最好,测试集识别准确率达到97.70%,精确率97.26%,召回率97.59%。【结论】采用本研究提出的原始数据集+扩充负样本+扩充正样本数据扩充方法训练的模型,可以区分背景与前景,且对雪豹本身特征具有较强的判别能力,泛化能力最好。